1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Kvantitativní řízení rizik v Pythonu
Connected

cvičení

Řízení rizik v reálném čase

Teď přichází chvíle, kdy využiješ vše, co ses o neuronových sítích naučil/a, k řízení rizik (téměř!) v reálném čase.

14denní klouzavé okno výnosů aktiv poskytuje dostatek dat pro vytvoření časové řady portfolií s minimální volatilitou pomocí moderní teorie portfolia, jak jsi viděl/a ve 2. kapitole. Tyto váhy portfolia minimum_vol jsou trénovacími hodnotami neuronové sítě. Jde o matici (1497 × 4).

Vstupem je matice týdenních average_asset_returns odpovídajících každému efektivnímu portfoliu. Jde také o matici (1497 × 4).

Vytvoř sekvenční neuronovou síť se správnou vstupní dimenzí a dvěma skrytými vrstvami. Trénování sítě by trvalo příliš dlouho, proto použiješ dostupný pre_trained_model stejného typu k predikci vah portfolia pro nový vektor cen aktiv.

Pokyny

100 XP
  • Vytvoř sekvenční neuronovou síť se dvěma skrytými vrstvami, jednou vstupní vrstvou a jednou výstupní vrstvou.
  • Pomocí pre_trained_model predikuj, jaké by bylo portfolio s minimální volatilitou, když jsou na vstup přivedena nová data aktiv asset_returns.